Kimi K3.1 Pro vs DeepSeek V4.1 Flash: zestien indexpunten voor dertien keer de prijs

{{1}}DeepSeek V4.1 Flash{{/1}} kost {{2}}$0.15{{/2}} per miljoen inputtokens en {{3}}$0.60{{/3}} per miljoen outputtokens in onze catalogus. {{4}}Kimi K3.1 Pro{{/4}} kost {{5}}$2.00{{/5}} en {{6}}$10.00{{/6}} — {{7}}13 keer zoveel voor input, 17 keer zoveel voor output{{/7}}. Op de onafhankelijke index {{8}}levert die prijs 16 punten op{{/8}}: {{9}}Artificial Analysis{{/9}} geeft {{10}}Kimi K3.1 Pro{{/10}} een score van {{11}}55{{/11}} en {{12}}DeepSeek V4.1 Flash{{/12}} een score van {{13}}39{{/13}}. Het levert ook een ander soort model op — {{14}}DeepSeek is 2,5 keer sneller en meer dan twee keer zo uitgebreid{{/14}}, dus de {{15}}kloof per token{{/15}} en de {{16}}kloof per taak{{/16}} zijn niet hetzelfde getal. Dit is de zuiverste ruil tussen capaciteit en prijs in de huidige catalogus, en het interessante is dat die niet bij elke taak dezelfde kant op wijst.

Beide modellen hebben een context van een miljoen tokens, beide accepteren afbeeldingen en beide genereren uitvoer van honderdduizenden tokens. Het ene is het frontier-vlaggenschip van een Chinees lab, uitgebracht in oktober; het andere is het kleine model in de architectuurfamilie van DeepSeek, uitgebracht op 10 september 2026 en gepositioneerd als de productieopvolger van zijn eerdere Flash-modellen. De vergelijking draait echt om wat 16 indexpunten waard zijn voor een specifieke workload — en om de ene benchmark waarop het goedkope model wint.

De tariefkaarten, en wat een echte werklast kost

• Input — $2.00 per miljoen tokens op Kimi K3.1 Pro tegenover $0.15 op DeepSeek V4.1 Flash.

• Output — $10,00 tegen $0,60.

• Contextvenster — 1.048.576 tokens op beide.

Maximale output — 943.718 tokens op Kimi K3.1 Pro, 384.000 op de basis-endpoint van V4.1 Flash en 393.216 op de 1017-snapshot. Beide zijn groot genoeg, zodat de uitvoerlengte niet langer de beperkende factor is.

• Gewichten en grootte — DeepSeek V4.1 Flash is een mixture-of-expertsmodel met 552 miljard parameters en 16 miljard actieve parameters, gepubliceerd op Hugging Face onder een MIT-licentie. Kimi K3.1 Pro is van de 3T-klasse en de gewichten zijn toegezegd voor 4 november, maar de licentie is nog niet gepubliceerd.

• Snelheid — 181 outputtokens per seconde bij de provider van de evaluator voor DeepSeek, tegenover 73,5 voor Kimi K3.1 Pro. Voor bulkwerk is dit het op één na grootste verschil, na de prijs.

De berekening is genadeloos bij grote volumes. Een aanroep die een miljoen inputtokens leest en 200.000 outputtokens schrijft, kost $4,00 op Kimi K3.1 Pro en 27 cent op DeepSeek V4.1 Flash. Een nachtelijke pipeline die maandelijks 2.000 lange documenten verwerkt met elk 50.000 inputtokens en 5.000 outputtokens, kost ongeveer $300 aan Kimi en $21 aan DeepSeek. Voor classificatie, extractie, herschrijven en samenvatten op schaal valt het verschil van 16 punten zelden op een manier die een klant merkt; de factuur wel.

Twee kanttekeningen zorgen ervoor dat dat niet het hele verhaal is. Artificial Analysis, dat beide modellen via een provider meet in plaats van tegen lijstprijs, noteert DeepSeek V4.1 Flash op $0,295 input en $1,20 output per miljoen tokens — het dubbele van ons catalogustarief, en een herinnering dat het goedkoopste getal in een vergelijking het getal is dat niemand daadwerkelijk betaalt. Belangrijker: de kosten per taak bedragen $0,48 tegenover $2,11 voor Kimi K3.1 Pro: een besparing van 4,4×, niet de 15× die de tokenprijzen suggereren, omdat DeepSeek tijdens de indexrun 250 miljoen outputtokens genereerde tegenover 150 miljoen van Kimi. Omslachtigheid slokt het prijsvoordeel op, en beide modellen zitten ruim boven de mediaan.

Zestien punten zijn geen afrondingsfout.

Dezelfde marge die niet uitmaakt voor een classificatietaak, maakt enorm veel uit voor alles waar een plan in zit. De onafhankelijke index is een gemiddelde over tien evaluaties die kennis, redeneren en agentisch werk bestrijken; een verschil van 16 punten op dat gemiddelde betekent dat het moeilijke uiteinde van de verdeling niet dichtbij is. Op de lanceringstabel van Moonshot scoort Kimi K3.1 Pro 61,2% op langetermijncodering en 65,7% op Terminal-Bench 4.0; de Flash-tier staat helemaal niet op die rijen.

Praktisch vertaald: als de taak in een prompt kan worden gespecificeerd en door een validator kan worden gecontroleerd, koop het goedkope model en besteed de besparing aan nieuwe pogingen. Als de taak vereist dat je besluit wat je vervolgens moet doen — een falende test lezen, een bestand kiezen om te bewerken, herstellen van een slechte tool-aanroep — dan zijn de 16 punten het verschil tussen een agent die afrondt en een die in een lus blijft hangen.

De enige rij waar het goedkope model wint

Moonshots eigen benchmarkoverzicht bevat een rij die in hun nadeel spreekt. Op {{1}}xdev-bench-hard{{/1}} bij pass@3, een door de leverancier uitgevoerde adversariële code-evaluatie, scoort {{2}}DeepSeek V4.1 Flash{{/2}} 85,7% tegenover 81,0% voor Kimi K3.1 Pro. Kimi K3, de voorganger, scoort 33,3%.

De reden is elders in het lanceermateriaal zichtbaar: Moonshot heeft cybergerelateerde data verwijderd uit zowel de mid-training als de reinforcement learning voordat K3.1 Pro werd uitgebracht, en heeft de kosten daarvan gepubliceerd. Een checkpoint dat zonder die maatregelen is getraind, scoort 90,5% op dezelfde benchmark; het geleverde model scoort 81,0%. DeepSeek daarentegen heeft geen gelijkwaardige vermindering van capaciteiten aangekondigd, en zijn 85,7% komt hoger uit dan het model dat dertien keer zoveel kost.

Voor defensief beveiligingswerk — scannen, triage, het opstellen van patches onder review — is die rij het overwegen waard. Voor werk dat aan offensief grenst, gelden de voorwaarden van beide leveranciers en de wet, ongeacht de score.

De context en output verrassen

Eén praktische opmerking voordat de vergelijking te netjes wordt: Artificial Analysis markeert de basisversie V4.1 Flash als verouderd ten gunste van de V4.1 Flash 1017-snapshot, het vaste checkpoint van 17 oktober dat onze catalogus ook tegen dezelfde prijs aanbiedt. Het indexcijfer 39 geldt voor het basismodel; de snapshot is waar nieuw werk op moet richten, en die heeft hetzelfde contextvenster met een iets hoger uitvoerplafond.

Wat deze vergelijking minder scheef maakt dan de prijs doet vermoeden, is dat het goedkope model het warehouse niet heeft opgegeven. Een context van een miljoen tokens bij een model van $0,15 betekent dat retrieval-augmented pipelines die voorheen chunking nodig hadden het volledige document kunnen versturen. Een uitvoerplafond van 384.000 tokens betekent dat een batchtaak in één aanroep een volledig herschreven bestand kan opvragen.

Wat het wel inlevert, is betrouwbaarheid aan de randen: het opvolgen van instructies bij lange prompts met meerdere stappen, herstel van tool-calls en het vermogen om een plan over meerdere beurten heen vast te houden. Dat zijn precies de dingen waaraan het post-trainingbudget van Kimi K3.1 Pro is besteed, en precies wat een algemene index tot 16 punten samendrukt.

Hoe het werk te verdelen

Beide modellen zijn via OrcaRouter aanroepbaar tegen de lijstprijzen van hun aanbieders, zonder extra opslag — $2,00 en $10,00 voor Kimi K3.1 Pro, $0,15 en $0,60 voor DeepSeek V4.1 Flash — met één sleutel, met automatische failover als een aanbieder vastloopt.

Een splitsing die de bewijzen volgt: stuur extractie, classificatie, vertaling, samenvatting en eerste-conceptteksten naar V4.1 Flash, en stuur langdurige codeertaken, agentorkestratie en alles wat van zijn eigen fouten moet herstellen naar Kimi K3.1 Pro. Als de splitsing uitkomt op de gebruikelijke 80/20 qua tokenvolume, daalt de gemengde kostprijs per miljoen tokens tot ongeveer 80 cent — een vijfde van een alles-Kimi-baseline — terwijl de taken die het frontiermodel nodig hebben dat nog steeds krijgen.

De fout die je moet vermijden, is een van beide modellen te zien als het antwoord op beide taken. Bij een prijsverschil van 13× is het goedkope model geen compromis voor bulkwerk; het is de juiste keuze. Met 16 indexpunten verschil is het geen vervanging voor de moeilijke 20%.